标题:
Html源文件中image标签的析取
[打印本页]
作者:
admin
时间:
2008-1-19 23:31
标题:
Html源文件中image标签的析取
今天介绍一种从指定网页源文件中析取image标签的的编程技巧，即从网页源文件中，解析出所有的插图文件名（包括图片路径）,也就是标签＜img src=".../... /abc.jpg"＞ 中的文件名".../.../abc.jpg"(有的可能是gif格式)。编程环境：PHP+Apache for Win98。
/ a* a. s$ D8 e4 r1 s
C& b$ E' G% w8 ?
首先, 用文本编辑器新建一个PHP类型的文件：abstractSRCfrompage.php3。为了方便讲解，我们打算是在浏览器表单域中输入需要析取image标签的网页的URL（或本机文档），提交后执行析取操作，所以在该文件中，我们要建立一个用于输入网址的表单，举例如下：
6 c3 }* y& P! f! G
% V5 a" ^$ U$ E4 f8 n
1 i$ X, I1 s: n1 w( k, e
＜form action=" abstractSRCfrompage.php3" method="post"＞
5 x. z) k0 l+ ]/ j6 L
输入网址＜input type=text name=filename＞＜br＞
: K9 V& v3 U* R, c6 s9 ^* P
＜input type=submit name=submit value="提交"＞
* z" } h: ^: t4 _9 O$ q& g2 t1 o' ]- a
＜/form＞
* c+ }. n8 `5 h+ F) C7 U
/ Z) C* ^2 ^1 m2 R* B, e, K
4 Q% ?" c5 L8 ^. S2 ]- }
输入正确的网址，提交后表单信息被送到abstractSRCfrompage.php3页面，由于表单本身就在该页面，所以相当于被送到自身页面，下面我们需要编写析取处理的PHP代码，紧接着表单代码段后写入如下代码：
9 M$ ^7 C& o, C$ f
+ u5 S- {1 ]* B- r5 I( J/ m$ y
0 y5 g1 N# Q+ G4 p' f
＜?php
4 L4 }$ C* e- w5 m0 t. h( O2 |
if ($filename!=""){
8 B* f$ F, q2 L6 e% L
$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；
, t$ v+ R0 B0 t5 t7 |% m
while ($buffer = fgets($fp, 1024)) {
/ }' s% U1 C& V9 {6 M
$source .=$buffer; }
7 D9 u. Z0 n7 u% S
fclose($fp);
& k8 Y# b7 z `6 e
file://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记
: x+ L: O5 q$ x1 m0 u
if(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {
0 R% x/ I! o- ?4 A3 H
echo "找到图片标签:)＜br＞";}
( g8 Q) n/ t# y t0 H
else{
1 l+ x# y( ^9 j0 F2 V9 I
echo "未发现图片标签:(＜br＞";}
% e5 H) t' a2 ^3 w
file://拆分,第一次用标签,＜img ...src=拆分,得到了以图形文件名开头的数组，
) ^, \% R/ N5 Z5 l+ p
$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);
) ^$ Q, O9 Q! K* K; P' m( O; U, w
echo "找到: $imagenums-1个图片＜br＞分别为:＜br＞";
' R9 ?$ _2 a% w& H9 m) V7 B0 @
for($i=1;$i＜sizeof($splitres);$i++){
2 e, P [- y5 g6 `
file://二次拆分，用"拆分。因为文件名能含有"，得到的拆分数组的第一个元素就是路径+文件名了;
2 e4 m; \7 k& e) ?5 A% b8 f. p, @$ V
unset($imgname); // 再次使用前删除imgname变量；
; ^% A" F% w4 Q" m8 [5 T/ X
$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量
( p4 \/ |# K8 Y g0 a
echo "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息
# U# A* j! ^/ U$ k( R
}
, |/ ^7 z/ J% A! e8 x1 D
}
( A. ^- |2 E* H6 h/ V$ u; H
?＞
. U) u& K- f' ^9 e$ a0 p. Z1 `
' r' ]2 V; P7 d1 G! W& M
: v' `8 z1 P8 [% L5 n5 y
该段程序的设计思路是：PHP程式判断是否输入了档案名称(网址URL或本机档案名)，若不为空则以只读方式打开该档案；接着使用函式fgets (fp,length)取得档案指标fp所指的行并传回该行内长度为length-1 的字串，上例中就是1024-1=1023；然后利用字串比对剖析函式ereg()查找$source中是否含有＜img ...src=".../...gif | jpg"＞ 这样的标记（关于该函式在上篇中有详细的介绍）；假如找到的话，则利用split()函式按一定的规则执行两次拆分，去掉标记中的＜img…src=字符和"字符，结果得到数组 splitres，其中的每一个元素都是以图形路径+文件名开头的数组；用for循环在屏幕上输出每个数组的第一个元素值，即我们所需要的所有图形路径+ 文件名。
) F, r; \- O2 p8 U5 G$ q
5 e7 c- P2 [$ `! ~
其中函式sizeof($splitres)返回个数；在for循环中，依次将数组splitres的每个元素（也是数组）赋给数组变量imgname，并输出imgname的第一个元素值（为找到的一个图形路径+文件名），当执行下次循环时，删除变量imgname，达到重复使用的目的。大家可以仔细研究其中的奥妙。
( N* N0 I1 T; \+ O9 [/ e- l
5 I9 y9 I3 k* C# |* R4 m! B5 C
好了，写好后，将abstractSRCfrompage.php3存到你的服务器指定目录下，启动Apache服务器，在浏览器中打开它，随便输入一个存在的网页名称或是远程URL,看看效果如何。
; W* _( Y! A* J" M
, S, H) s9 R; a3 w0 U, M
如果有兴趣，你可以尝试析取HTML文档中的任意感兴趣的信息，如果稍加改装，做一个网站文本搜索引擎岂不更妙？
欢迎光临 捌玖网络工作室 (http://www.89w.org/)
Powered by Discuz! 7.2
